Hugging Faceが合成データ生成ツール公開：プロンプトからノーコードで作成

特化型の独自AIモデルを作りたいと思っても、手元に学習用データが全くないという壁にぶつかる開発者や企業は少なくありません。

Hugging Faceは自然言語で指示を出すだけで独自の学習用データセットを作成できるノーコードツール「Synthetic Data Generator」を公開しました。

プロンプトから数分でデータセットとモデルを作成

このツールは、プログラミング知識のないユーザーでも合成データを作れるように設計されたウェブアプリです。裏側ではオープンソースのデータ生成フレームワーク「distilabel」とHugging Faceの無料推論APIが連携して動いています。

使い方は3つのステップで完結します。まず、どのようなデータが欲しいかを日常会話の言葉で説明します。例えば特定の問い合わせ窓口のチャット履歴といった用途を伝えると、ツールが自動でシステムプロンプトと試作サンプルを作成します。次にそのサンプルを確認しながらパラメータを微調整し、納得がいったら生成件数と生成温度を指定して本番実行を押すだけです。

現在対応しているタスクは、テキスト分類とSFT向けのチャット対話データの2種類です。無料枠の初期設定（Llama-3.1-8B-Instruct）では、テキスト分類なら毎分約50件、対話データなら毎分約20件のペースで生成できます。出力されたデータはHugging Face Hubに保存されるほか、連携ツールであるArgilla上でセマンティック検索やフィルタリングを行い、内容を精査できます。さらにそのままAutoTrainに渡せば、無料のCPU環境を使って数分で分類モデルの学習まで完了します。

柔軟なカスタマイズとオープンソース公開

手軽なノーコードツールでありながら、上級者向けの拡張性もしっかり用意されています。

本ツールはApache 2ライセンスでオープンソース公開されており、pipコマンドを使ってローカル環境に導入できるほか、Hugging FaceのSpaceを自身のプライベート環境に複製して運用することも可能です。

環境変数を書き換えるだけで、デフォルトの8BモデルからLlama-3.1-70Bに変更したり、OpenAIのgpt-4o APIに接続したりできます。バッチサイズを増やして生成スピードを加速させることも可能です。開発チームによると、今後はRAG用途のデータやLLMを評価役にするLLM-as-a-judge向けのデータ生成にも対応していく予定です。

なぜ重要か

私たちは、この取り組みが合成データ作成のハードルを根本から引き下げる賢い一手だと考えています。

これまで合成データの作成やモデルの微調整は機械学習エンジニアの専門領域でした。業務知識を豊富に持っている現場の担当者が自力でデータセットを整えるのは困難でしたが、日常の言葉で指示を出せるようになったことで、ニッチな領域のAI活用が一気に現実味を帯びてきます。

また、Hugging Faceの製品戦略としても非常に強力です。単なる生成ツールに留まらず、データ検査ツールのArgilla、リポジトリのHub、学習サービスのAutoTrainまでを一直線に繋ぎました。ユーザーは簡単なデータを作るつもりで触り始め、気付けばHugging Faceのエコシステム全体を使いこなすことになります。

一方で注意すべき点もあります。デフォルトの小規模な8Bモデルで生成したデータには、事実誤認や表現の偏りが含まれるリスクが常にあります。Argillaでの確認作業を怠ってそのまま学習に回してしまうと、質の低いモデルが出来上がる懸念があります。それでも、アイデアを素早く検証したい人にとって、試す価値が十分にある強力な選択肢です。